ARETE: HSV 변환된 군집 차량 데이터 기반 위상 추정을 위한 주의 기반 래스터화 인코딩
요약
본 연구는 자율주행(AD)의 핵심 과제 중 하나인 고해상도(HD) 지도 생성에 초점을 맞추어, 군집 차량 궤적 데이터를 활용하여 도로 위상 및 차선 구분선을 정확하게 추출하는 방법을 제안합니다. 특히, 차량 궤적을 방향성 정보를 포함한 래스터화 표현으로 변환하고 이를 DETR 기반 접근법과 결합하여 벡터화된 차선 표현(중심선 및 기하학적으로 제약되는 차선 구분선)을 예측함으로써 높은 정확도를 달성했습니다.
핵심 포인트
- 자율주행 환경에서 고정밀 HD 지도 생성은 중요한 도전 과제이다.
- 본 연구는 차량 군집 궤적 데이터를 활용하여 중심선과 차선 구분선을 추출하는 데 중점을 둔다.
- 차량 궤적을 방향성 정보를 인코딩한 래스터화 표현으로 변환하여 입력으로 사용한다.
- DETR(Detection Transformer) 기반 접근법을 채택하여 래스터 입력으로부터 벡터화된 차선 표현을 예측한다.
자율주행 (AD) 의 지속적 발전은 안전하고 효율적인 운행을 보장하기 위해 여러 학문 분야에서 도전을 제기합니다. 그 중 하나의 도전 과제는 하류 자동차 작업에 최신 상태를 유지하며 높은 정확도를 가져야 하는 고해상도 (HD) 지도 생성입니다. 유망한 접근법 중 하나는 도로 위상과 차선 수준의 특징을 나타내는 차량 군집 데이터의 활용입니다. 본 연구는 군집 차량 궤적에서 중심선과 차선 구분선을 생성하는 데 초점을 맞춥니다. 우리는 차량 궤적의 래스터화 표현을 입력으로 사용하여 벡터화된 차선 표현을 예측하는 DETR 기반 접근법을 채택합니다. 각 차선은 방향이 연결된 중심선과 해당 중심선에 기하학적으로 제약되는 차선 구분선으로 구성됩니다. 우리의 방법은 군집 차량 궤적이 집계되는 로컬 타일을 추출하는 것을 포함하며, 각 타일은 각 궤적의 존재와 방향을 모두 인코딩하는 래스터화 표현으로 변환되어 벡터화된 방향성 차선의 예측을 가능하게 합니다. 실험은 내부 데이터셋뿐만 아니라 공개 데이터셋인 nuScenes 과 nuPlan 에서 수행되었습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기